Array_NC41

最长无重复子序列

描述

给定一个数组arr,返回arr的最长无重复元素子数组的长度,无重复指的是所有数字都不相同。

子数组是连续的,比如[1,3,5,7,9]的子数组有[1,3],[3,5,7]等等,但是[1,3,7]不是子数组

解题

Solution1

/**
 * 最长无重复子数组
 * 哈希表 指针遍历
 */
import java.util.HashMap;
import java.util.Map;

public class Solution {
    public int maxlength(int[] arr){
        if (arr.length==0) return 0;
        Map<Integer,Integer> map = new HashMap<>();//哈希表 键为数组元素 值为数组下标
        int max =0;
        for (int i = 0,j=0; i <arr.length ; i++) {
            if (map.containsKey(arr[i])){
                j=Math.max(j,map.get(arr[i])+1);//若发生重复,则重新开始计算
            }
            map.put(arr[i],i);
            max=Math.max(max,i-j+1);//取最大子序列
        }
        return max;
    }
}

Solution2

/**
 * 最长无重复子序列
 * 队列  集合
 */
import java.util.HashSet;
import java.util.LinkedList;
import java.util.Queue;
import java.util.Set;

public class Solution2 {
    public int maxLength(int[] arr){
        if (arr.length==0) return 0;
        Queue<Integer> queue = new LinkedList();//创建队列
        int max=0;
        for (int i:arr){
            while (queue.contains(i)){
                queue.poll();//出队
            }
            queue.add(i);
            max=Math.max(max,queue.size());
        }
        return max;
    }

    public int maxLength2(int[] arr){
        if (arr.length==0) return 0;
        Set<Integer>set = new HashSet<>();//创建集合
        int left=0,right=0;//双指针
        int max=0;
        while (right<arr.length){
            while (set.contains(arr[right])){
                set.remove(arr[left++]);
            }
            set.add(arr[right++]);
            max=Math.max(max,right-left);
        }
        return max;
    }

    public int maxLength3(int[] arr){
        if (arr.length==0) return 0;
        Set<Integer>set = new HashSet<>();//创建集合
        int left=0,right=0;//双指针
        int max=0;
        while (right<arr.length){
            if (set.contains(arr[right])){
                set.remove(arr[left++]);
            }else{
                set.add(arr[right++]);
                max=Math.max(max,set.size());
            }
        }
        return max;
    }
}
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
class NLayerDiscriminator(nn.Module): def init(self, input_nc=3, ndf=64, n_layers=3, norm_layer=nn.BatchNorm2d, use_sigmoid=False, use_parallel=True): super(NLayerDiscriminator, self).init() self.use_parallel = use_parallel if type(norm_layer) == functools.partial: use_bias = norm_layer.func == nn.InstanceNorm2d else: use_bias = norm_layer == nn.InstanceNorm2d self.conv1 = nn.Conv2d(input_nc, ndf, kernel_size=3, padding=1) self.conv_offset1 = nn.Conv2d(input_nc, 18, kernel_size=3, stride=1, padding=1) init_offset1 = torch.Tensor(np.zeros([18, input_nc, 3, 3])) self.conv_offset1.weight = torch.nn.Parameter(init_offset1) # 初始化为0 self.conv_mask1 = nn.Conv2d(input_nc, 9, kernel_size=3, stride=1, padding=1) init_mask1 = torch.Tensor(np.zeros([9, input_nc, 3, 3]) + np.array([0.5])) self.conv_mask1.weight = torch.nn.Parameter(init_mask1) # 初始化为0.5 kw = 4 padw = int(np.ceil((kw-1)/2)) nf_mult = 1 for n in range(1, n_layers): nf_mult_prev = nf_mult nf_mult = min(2n, 8) self.sequence = [ nn.Conv2d(ndf * nf_mult_prev, ndf * nf_mult, kernel_size=kw, stride=2, padding=padw, bias=use_bias), norm_layer(ndf * nf_mult), nn.LeakyReLU(0.2, True) ] nf_mult_prev = nf_mult nf_mult = min(2n_layers, 8) self.sequence += [ nn.Conv2d(ndf * nf_mult_prev, ndf * nf_mult, kernel_size=kw, stride=1, padding=padw, bias=use_bias), norm_layer(ndf * nf_mult), nn.LeakyReLU(0.2, True) ] self.sequence += [nn.Conv2d(ndf * nf_mult, 1, kernel_size=kw, stride=1, padding=padw)] if use_sigmoid: self.sequence += [nn.Sigmoid()] def forward(self, input): offset1 = self.conv_offset1(input) mask1 = torch.sigmoid(self.conv_mask1(input)) sequence1 = [ torchvision.ops.deform_conv2d(input=input, offset=offset1, weight=self.conv1.weight, mask=mask1, padding=(1, 1)) ] sequence = sequence1 + self.sequence self.model = nn.Sequential(*sequence) return self.model(input),上述代码出现问题:TypeError: torch.cuda.FloatTensor is not a Module subclass,如何修改
最新发布
05-30

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值